AI BENCHY

Leaderboard de Benchmark de IA

Name: Resultados de benchmark de modelos de AI BENCHY
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks generados a partir de los suites de prueba de AI BENCHY en: 2026-06-03 Modelos evaluados: 161

161/161

Rango	Modelo	Puntuación	Empresa	Costo total	Tiempo de respuesta (promedio)
#24#24	Qwen3.5-27Bmedium	7.9	Qwen	$0.488 ↓	60.09s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 3 Tokens de entrada 39,329 Tokens de salida 2,569 Tokens de razonamiento 304,894 Tiempo de respuesta (promedio) 60.09s Tiempo de respuesta (total) 1201.89s Tiempo de respuesta (máximo) 177.36s Respuesta incorrecta: 3 No siguió las instrucciones: 2 Formato extra: 1 Tiempo agotado: 1 Trucos anti-IA : 8.7 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#27#27	GPT-5.4medium	7.9	OpenAI	$1.140	22.31s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.0% Pruebas inestables 4 Tokens de entrada 31,489 Tokens de salida 2,221 Tokens de razonamiento 68,486 Tiempo de respuesta (promedio) 22.31s Tiempo de respuesta (total) 446.17s Tiempo de respuesta (máximo) 100.41s Respuesta incorrecta: 5 No siguió las instrucciones: 2 Trucos anti-IA : 8.3 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.2 Llamada de herramientas : 10.0 Cultura general : 3.0
#28#28	Step 3.7 Flashmedium	7.9	Stepfun	$0.347	18.32s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 9.9 Tasa de aciertos por intento 71.7% Pruebas inestables 2 Tokens de entrada 37,338 Tokens de salida 294,481 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 18.32s Tiempo de respuesta (total) 366.45s Tiempo de respuesta (máximo) 113.98s Respuesta incorrecta: 5 No siguió las instrucciones: 1 Sin respuesta: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 4.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#29#29	GLM 5 Turbomedium	7.9	Z.ai	$0.285 ↑	22.65s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 4 Tokens de entrada 32,995 Tokens de salida 12,228 Tokens de razonamiento 53,503 Tiempo de respuesta (promedio) 22.65s Tiempo de respuesta (total) 453.09s Tiempo de respuesta (máximo) 194.23s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 7.3 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 8.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#30#30	GPT-5.2 Chatnone	7.9	OpenAI	$0.352	6.82s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 3 Tokens de entrada 31,593 Tokens de salida 21,144 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 6.82s Tiempo de respuesta (total) 136.34s Tiempo de respuesta (máximo) 38.52s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#33#33	Grok 4.3medium	7.8	X AI	$0.593	49.23s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 75.0% Pruebas inestables 4 Tokens de entrada 41,532 Tokens de salida 1,485 Tokens de razonamiento 214,710 Tiempo de respuesta (promedio) 49.23s Tiempo de respuesta (total) 984.52s Tiempo de respuesta (máximo) 216.69s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Formato extra: 1 Trucos anti-IA : 10.0 Programación : 7.4 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 5.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 5.9 Llamada de herramientas : 10.0 Cultura general : 3.0
#34#34	Qwen3.6 Plusmedium	7.8	Qwen	$0.260 ↑	26.81s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 2 Tokens de entrada 38,730 Tokens de salida 1,833 Tokens de razonamiento 124,782 Tiempo de respuesta (promedio) 26.81s Tiempo de respuesta (total) 509.43s Tiempo de respuesta (máximo) 201.68s Respuesta incorrecta: 5 Error de API: 1 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 5.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#35#35	Gemini 3.1 Flash Lite Previewmedium	7.7	Google	$0.063	3.94s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 34,781 Tokens de salida 2,204 Tokens de razonamiento 33,657 Tiempo de respuesta (promedio) 3.94s Tiempo de respuesta (total) 78.74s Tiempo de respuesta (máximo) 14.93s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#36#36	Gemini 3.1 Flash Litemedium	7.7	Google	$0.065	3.18s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 2 Tokens de entrada 33,803 Tokens de salida 2,248 Tokens de razonamiento 35,390 Tiempo de respuesta (promedio) 3.18s Tiempo de respuesta (total) 63.55s Tiempo de respuesta (máximo) 10.87s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 9.1 Programación : 6.8 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.9 Resolución de acertijos : 7.6 Llamada de herramientas : 10.0 Cultura general : 3.0
#37#37	Gemini 2.5 Flashmedium	7.7	Google	$0.358	15.57s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 68.3% Pruebas inestables 1 Tokens de entrada 31,473 Tokens de salida 1,924 Tokens de razonamiento 137,255 Tiempo de respuesta (promedio) 15.57s Tiempo de respuesta (total) 311.47s Tiempo de respuesta (máximo) 95.48s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.4 Programación : 6.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.8 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#38#38	Qwen3.5-122B-A10Bmedium	7.7	Qwen	$0.509 ↓	39.40s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 71.7% Pruebas inestables 3 Tokens de entrada 38,997 Tokens de salida 26,166 Tokens de razonamiento 213,524 Tiempo de respuesta (promedio) 39.40s Tiempo de respuesta (total) 788.00s Tiempo de respuesta (máximo) 168.16s Respuesta incorrecta: 5 Tiempo agotado: 2 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 3.4 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#39#39	Gemini 3 Flash Previewnone	7.7	Google	$0.023	1.70s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 2 Tokens de entrada 34,008 Tokens de salida 1,879 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.70s Tiempo de respuesta (total) 22.05s Tiempo de respuesta (máximo) 3.56s Respuesta incorrecta: 7 Trucos anti-IA : 8.3 Programación : 6.8 Combinado : 4.7 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#40#40	Grok Build 0.1medium	7.7	X AI	$0.729	42.39s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 41,496 Tokens de salida 2,258 Tokens de razonamiento 341,381 Tiempo de respuesta (promedio) 42.39s Tiempo de respuesta (total) 847.76s Tiempo de respuesta (máximo) 252.69s Respuesta incorrecta: 4 Formato extra: 3 Trucos anti-IA : 8.3 Programación : 7.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.4 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#44#44	Gemini 3.1 Flash Lite Previewlow	7.6	Google	$0.025	2.85s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 65.0% Pruebas inestables 0 Tokens de entrada 29,708 Tokens de salida 2,280 Tokens de razonamiento 8,829 Tiempo de respuesta (promedio) 2.85s Tiempo de respuesta (total) 57.08s Tiempo de respuesta (máximo) 11.91s Respuesta incorrecta: 6 No siguió las instrucciones: 1 Trucos anti-IA : 8.3 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#47#47	Claude Sonnet 4.6medium	7.6	Anthropic	$1.330	15.81s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 7 Fiabilidad 10.0 Tasa de aciertos por intento 66.7% Pruebas inestables 1 Tokens de entrada 45,947 Tokens de salida 49,891 Tokens de razonamiento 29,565 Tiempo de respuesta (promedio) 15.81s Tiempo de respuesta (total) 189.71s Tiempo de respuesta (máximo) 46.35s Formato extra: 3 Respuesta incorrecta: 3 Tiempo agotado: 1 Trucos anti-IA : 6.5 Programación : 7.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#17#17	GPT-5.3-Codexmedium	8.3	OpenAI	$0.685	15.95s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.7% Pruebas inestables 4 Tokens de entrada 31,680 Tokens de salida 2,336 Tokens de razonamiento 42,565 Tiempo de respuesta (promedio) 15.95s Tiempo de respuesta (total) 319.08s Tiempo de respuesta (máximo) 100.93s Respuesta incorrecta: 4 No siguió las instrucciones: 2 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.9 Inteligencia general : 4.6 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#18#18	GLM 5medium	8.2	Z.ai	$0.212 ↓	32.67s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 81.7% Pruebas inestables 4 Tokens de entrada 32,626 Tokens de salida 21,558 Tokens de razonamiento 95,772 Tiempo de respuesta (promedio) 32.67s Tiempo de respuesta (total) 392.01s Tiempo de respuesta (máximo) 99.85s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 7.1 Específico del dominio : 3.5 Inteligencia general : 6.1 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#19#19	Qwen3.5 Plus 2026-02-15medium	8.1	Qwen	$0.283 ↓	67.58s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 76.7% Pruebas inestables 3 Tokens de entrada 39,028 Tokens de salida 2,145 Tokens de razonamiento 172,563 Tiempo de respuesta (promedio) 67.58s Tiempo de respuesta (total) 878.57s Tiempo de respuesta (máximo) 266.69s Respuesta incorrecta: 4 Tiempo agotado: 2 Trucos anti-IA : 8.2 Programación : 7.6 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 4.7 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#21#21	Gemini 3.5 Flashnone	8.0	Google	$0.924	9.05s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 76.7% Pruebas inestables 3 Tokens de entrada 10,840 Tokens de salida 100,760 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 153.86s Tiempo de respuesta (máximo) 64.36s Error de API: 3 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 3.0 Análisis y extracción de datos : 6.5 Específico del dominio : 7.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0 Cultura general : 2.8
#22#22	Gemma 4 31Bmedium	8.0	Google	$0.028 ↓	35.39s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 1 Tokens de entrada 15,899 Tokens de salida 19,602 Tokens de razonamiento 49,686 Tiempo de respuesta (promedio) 35.39s Tiempo de respuesta (total) 637.01s Tiempo de respuesta (máximo) 150.90s Error de API: 2 Respuesta incorrecta: 2 Sin respuesta: 1 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 4.1 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 9.9 Llamada de herramientas : 3.0 Cultura general : 3.0
#23#23	Gemini 3.5 Flashminimal	7.9	Google	$0.103	1.58s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 71.7% Pruebas inestables 1 Tokens de entrada 36,844 Tokens de salida 5,271 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.58s Tiempo de respuesta (total) 31.55s Tiempo de respuesta (máximo) 5.51s Respuesta incorrecta: 4 No siguió las instrucciones: 1 Llamada de herramienta no válida: 1 Trucos anti-IA : 6.5 Programación : 7.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 10.0 Inteligencia general : 10.0 Seguimiento de instrucciones : 6.4 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#25#25	Hy3 previewmedium	7.9	Tencent	$0.018	16.28s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 0 Tokens de entrada 27,030 Tokens de salida 73,544 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 16.28s Tiempo de respuesta (total) 293.12s Tiempo de respuesta (máximo) 46.04s Respuesta incorrecta: 3 Error de API: 2 No siguió las instrucciones: 1 Trucos anti-IA : 10.0 Programación : 6.5 Combinado : 10.0 Análisis y extracción de datos : 6.5 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 7.7 Llamada de herramientas : 10.0 Cultura general : 3.0
#26#26	Qwen3.7 Maxnone	7.9	Qwen	$0.051 ↓	1.30s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 70.0% Pruebas inestables 0 Tokens de entrada 34,266 Tokens de salida 1,988 Tokens de razonamiento 0 Tiempo de respuesta (promedio) 1.30s Tiempo de respuesta (total) 25.95s Tiempo de respuesta (máximo) 3.92s Respuesta incorrecta: 6 Trucos anti-IA : 6.5 Programación : 6.8 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 7.7 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#31#31	Gemini 3 PRO Previewmedium	7.9	Google	$0.385 ↑	9.05s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad N/D Tasa de aciertos por intento 70.0% Pruebas inestables 0 Tokens de entrada 28,848 Tokens de salida 1,490 Tokens de razonamiento 10,102 Tiempo de respuesta (promedio) 9.05s Tiempo de respuesta (total) 90.53s Tiempo de respuesta (máximo) 26.24s Error de API: 3 Respuesta incorrecta: 3 Trucos anti-IA : 10.0 Programación : 3.0 Combinado : 3.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#32#32	Gemma 4 26B A4Bmedium	7.8	Google	$0.038 ↓	50.92s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 6 Fiabilidad 10.0 Tasa de aciertos por intento 73.3% Pruebas inestables 2 Tokens de entrada 38,410 Tokens de salida 28,000 Tokens de razonamiento 82,045 Tiempo de respuesta (promedio) 50.92s Tiempo de respuesta (total) 967.47s Tiempo de respuesta (máximo) 369.32s Respuesta incorrecta: 3 Tiempo agotado: 2 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 2.9 Combinado : 9.6 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#15#15	Qwen3.6 Max Previewmedium	8.4	Qwen	$0.872 ↓	58.43s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 5 Fiabilidad 10.0 Tasa de aciertos por intento 80.0% Pruebas inestables 2 Tokens de entrada 39,527 Tokens de salida 2,253 Tokens de razonamiento 130,852 Tiempo de respuesta (promedio) 58.43s Tiempo de respuesta (total) 1168.66s Tiempo de respuesta (máximo) 238.07s Respuesta incorrecta: 5 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 2.9 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#16#16	Qwen3.7 Plusmedium	8.4	Qwen	$0.199	36.84s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 5 Fiabilidad 9.9 Tasa de aciertos por intento 80.0% Pruebas inestables 2 Tokens de entrada 38,104 Tokens de salida 2,107 Tokens de razonamiento 112,479 Tiempo de respuesta (promedio) 36.84s Tiempo de respuesta (total) 736.86s Tiempo de respuesta (máximo) 178.04s Respuesta incorrecta: 4 Tiempo agotado: 1 Trucos anti-IA : 10.0 Programación : 6.5 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 3.6 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0
#14#14	Grok 4.20 Betamedium	8.5	X AI	$0.750 ↑	9.75s
Ver ficha del modelo Pruebas totales 18 Pruebas incorrectas 4 Fiabilidad N/D Tasa de aciertos por intento 81.5% Pruebas inestables 1 Tokens de entrada 35,955 Tokens de salida 1,647 Tokens de razonamiento 91,565 Tiempo de respuesta (promedio) 9.75s Tiempo de respuesta (total) 175.48s Tiempo de respuesta (máximo) 31.36s Respuesta incorrecta: 3 No siguió las instrucciones: 1 Trucos anti-IA : 8.7 Programación : 10.0 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 9.8 Resolución de acertijos : 10.0 Llamada de herramientas : 3.0
#10#10	GPT-5.5medium	8.7	OpenAI	$3.502	37.88s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 86.7% Pruebas inestables 3 Tokens de entrada 31,593 Tokens de salida 1,964 Tokens de razonamiento 109,481 Tiempo de respuesta (promedio) 37.88s Tiempo de respuesta (total) 757.66s Tiempo de respuesta (máximo) 332.10s Respuesta incorrecta: 4 Trucos anti-IA : 10.0 Programación : 8.2 Combinado : 10.0 Análisis y extracción de datos : 10.0 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 2.8
#11#11	Claude Opus 4.8medium	8.7	Anthropic	$1.006	9.34s
Ver ficha del modelo Pruebas totales 20 Pruebas incorrectas 4 Fiabilidad 10.0 Tasa de aciertos por intento 83.3% Pruebas inestables 1 Tokens de entrada 57,185 Tokens de salida 23,201 Tokens de razonamiento 5,901 Tiempo de respuesta (promedio) 9.34s Tiempo de respuesta (total) 186.84s Tiempo de respuesta (máximo) 38.03s Respuesta incorrecta: 3 Sin respuesta: 1 Trucos anti-IA : 10.0 Programación : 10.0 Combinado : 9.8 Análisis y extracción de datos : 7.1 Específico del dominio : 5.3 Inteligencia general : 10.0 Seguimiento de instrucciones : 10.0 Resolución de acertijos : 10.0 Llamada de herramientas : 10.0 Cultura general : 3.0

Comparación rápida

Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashhigh Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashlow Gemini 3 Flash PreviewmediumvsGemini 3.1 Pro Previewmedium Gemini 3 Flash PreviewmediumvsQwen3.7 Maxmedium Gemini 3 Flash PreviewmediumvsGemini 3.5 Flashmedium Gemini 3 Flash PreviewmediumvsClaude Opus 4.7medium Gemini 3 Flash PreviewmediumvsRing-2.6-1Tmedium Gemini 3 Flash PreviewmediumvsOwl Alphamedium Gemini 3.5 FlashhighvsGemini 3.5 Flashlow Gemini 3.5 FlashlowvsGemini 3.1 Pro Previewmedium Gemini 3.1 Pro PreviewmediumvsQwen3.7 Maxmedium Qwen3.7 MaxmediumvsGemini 3.5 Flashmedium

Leaderboard de Benchmark de IA

Filtrar modelos

Comparación rápida